Josh Feast, CEO dan Co-Founder Cogito – Seri Wawancara

Josh Feast, adalah CEO dan Co-Founder dari Cogito, sebuah perusahaan yang menggabungkan Emotion dan Conversation AI menjadi platform inovatif yang menyediakan pelatihan dan bimbingan waktu nyata bagi agen pusat kontak, memberikan pengawasan bagi pengawas terhadap percakapan langsung dari tim yang bekerja dari mana saja, dan terus memantau pengalaman pelanggan dan karyawan.

Cerita Cogito dimulai pada 1999, sebelum perusahaan didirikan. Bisakah Anda membagikan beberapa wawasan tentang hari-hari awal di MIT Human Dynamics Lab dan apa yang sedang dikerjakan?

Dari 1999 hingga 2006, Dr. Sandy Pentland mengembangkan ilmu dasar yang mendasar yang menunjukkan kehadiran dan kekuatan sinyal sosial dalam komunikasi manusia dan kemampuan mesin untuk mendeteksi dan menafsirkan sinyal tersebut.

Pada 2007, Cogito dipisahkan dari MIT Media Lab. Bisakah Anda membagikan kisah asal-usul ini?

Sebelum saya bergabung dengan MIT, saya menyadari kebutuhan akan teknologi yang dipandu oleh konteks percakapan untuk membantu penggunanya dalam situasi yang charged secara emosional. Saya bekerja di Departemen Anak, Pemuda, dan Layanan Keluarga Selandia Baru (sekarang dikenal sebagai unit Anak, Pemuda, dan Keluarga dari Kementerian Pembangunan Sosial), saya menyadari bahwa banyak pekerja sosial mengalami kelelahan karena sifat pekerjaan mereka yang sangat emosional dan percaya bahwa sistem manajemen yang mendukung mereka akan sangat diuntungkan dengan teknologi seperti itu. Saya membawa pengamatan saya dari waktu itu ke MIT, dan Cogito kemudian dibuat dari penelitian Dr. Pentland di MIT Media Lab yang tampaknya secara langsung menangani masalah tersebut. Cogito menerima pendanaan dari Defense Advanced Research Projects Agency (DARPA) untuk melakukan penelitian dan mengembangkan platform kecerdasan buatan dan model perilaku untuk mendeteksi secara otomatis keadaan psikologis manusia. Teknologi ini terbukti berhasil membantu veteran militer yang kembali dari pertempuran melalui penempatan dengan Departemen Urusan Veteran (VA).

Teknologi Emotion AI yang digunakan di Cogito pertama kali divalidasi dengan membantu penyedia layanan kesehatan untuk mendeteksi tanda-tanda awal PTSD dan gangguan kesehatan mental lainnya pada tentara yang kembali dari pertempuran. Bisakah Anda membahas beberapa detail tentang hal ini dan jenis hasil yang dilihat?

Tujuan dari penerapan teknologi ini kepada penyedia layanan kesehatan adalah untuk mendeteksi depresi dan mencegah bunuh diri pada veteran militer yang kembali dari pertempuran. Platform yang kami kembangkan memungkinkan dokter untuk melacak kesehatan mental veteran secara keseluruhan melalui sinyal suara dan untuk menunjukkan peristiwa seperti kehilangan tempat tinggal dan tanda-tanda peringatan lainnya dari kesehatan mental yang buruk. Kami dengan cepat menyadari bahwa kami memiliki sesuatu yang istimewa, dan bahwa aplikasi teknologi ini dapat membuktikan berguna di luar mendukung veteran militer dan sistem kesehatan di area dengan volume percakapan yang kompleks dan charged secara emosional. Dengan akar yang masih berpusat pada pengalaman manusia, kami menjadi Cogito yang Anda kenal hari ini, mendukung pelatihan dan bimbingan waktu nyata untuk agen pusat kontak skala besar di berbagai industri, termasuk kesehatan.

Bisakah Anda membahas bagaimana Cogito menggunakan AI untuk menganalisis petunjuk perilaku dan memberikan umpan balik saat percakapan?

Cogito menggunakan kombinasi yang kuat dari Emotion dan Conversation AI untuk mengungkapkan wawasan baru dari semua percakapan, mengekstrak baik apa yang dikatakan dan bagaimana pesan tersebut diterima oleh pelanggan. Model AI ini mengukur pengalaman pelanggan (CX) secara waktu nyata pada semua panggilan untuk memiliki dampak pada saat itu, bukan analisis pasca-panggilan yang hanya berfokus pada memperbaiki interaksi di masa depan.

Cogito mengekstrak dan menganalisis lebih dari 200 sinyal suara dan akustik dalam milidetik untuk memberikan petunjuk kepada agen pusat kontak tentang bagaimana mereka dapat menyesuaikan perilaku mereka dan menyajikan rekomendasi terbaik berdasarkan topik yang dibahas dan hasil yang diinginkan.

Cogito melakukan analisis suara langsung, dalam-panggilan untuk meningkatkan perilaku secara waktu nyata dan menciptakan koneksi manusia yang lebih baik pada skala besar antara pelanggan dan agen pusat kontak, terlepas dari di mana mereka bekerja.

Bagaimana umpan balik ini membantu agen membangun hubungan yang lebih baik dengan pelanggan?

Umpan balik waktu nyata yang diterima agen pusat kontak dari Cogito memungkinkan agen untuk menampilkan kecerdasan emosional yang lebih konsisten, yang menghasilkan agen menyampaikan empati pada setiap panggilan. Empati yang ditingkatkan menghasilkan hasil percakapan yang lebih baik, seperti waktu menangani panggilan yang berkurang, peningkatan resolusi panggilan pertama, kepuasan pelanggan yang ditingkatkan, dan peningkatan nilai seumur hidup pelanggan.

Setiap perwakilan pusat kontak memiliki kekuatan dan kelemahan yang berbeda. Umpan balik waktu nyata yang mereka terima pada panggilan membantu meningkatkan layanan pelanggan mereka, apakah itu untuk menyampaikan lebih banyak empati, berbicara lebih lambat, atau terdengar lebih antusias. Umpan balik yang disesuaikan ini pada saat itu memungkinkan agen untuk membangun hubungan dengan pelanggan berdasarkan pengalaman pelanggan tersebut dan sinyal suara yang dipilih oleh model AI. Ini pada gilirannya meningkatkan baik pengalaman pelanggan dan pengalaman agen.

Umpan balik waktu nyata tidak hanya bermanfaat bagi CX – juga bermanfaat bagi pengalaman karyawan (EX). Alat kami membantu mendukung perwakilan untuk memiliki pengalaman kerja yang lebih positif, yang terbukti meningkatkan tingkat CX yang lebih tinggi.

Pada 2019, Cogito merilis sebuah makalah berjudul “Gender de-biasing in speech emotion recognition.” Apa saja wawasan kunci ketika datang ke efek bias gender dalam ucapan terkait dengan emosi?

Makalah kami berfokus pada pendekatan pemodelan dan teknik optimasi serta bias sampling. Oleh karena itu, penelitian lebih lanjut harus dilakukan untuk memitigasi bias negatif secara umum dalam pembelajaran mesin dan khususnya dalam pengenalan emosi ucapan. Wawasan kunci termasuk:

Ucapan perempuan cenderung memiliki nada yang lebih tinggi daripada ucapan laki-laki, yang menghasilkan harmonik yang lebih luas.

Model pengenalan emosi ucapan dapat dipengaruhi oleh perbedaan ini. Ini dapat menyebabkan akurasi yang lebih rendah untuk ucapan perempuan dibandingkan dengan ucapan laki-laki.

Teknik de-biasing pembelajaran mesin dapat diterapkan untuk mengurangi ketidakseimbangan akurasi. Dalam makalah, Cogito memperkenalkan teknik de-biasing baru yang berperforma lebih baik relatif terhadap baseline.

Bagaimana Cogito beroperasi untuk memitigasi efek bias gender atau jenis bias lainnya?

Cogito menggunakan model pemrosesan bahasa alami (NLP) yang menggabungkan sistem AI yang sadar manusia, model mesin pembelajaran dalam, dan aturan kompleks lainnya yang membantu komputer memahami, menganalisis, dan mensimulasikan bahasa manusia. Kami terus menerus bekerja pada dan mengembangkan NLP kami dengan data baru untuk memitigasi bias.

Cogito memiliki protokol komprehensif untuk pengembangan model pembelajaran mesin, yang secara eksplisit bertujuan untuk memitigasi bias dan memastikan fitur produk pembelajaran mesin (ML) yang etis. Protokol ini mencakup area seperti sampling data untuk pelatihan, memitigasi bias dalam pelabelan manusia, dan menggunakan teknik de-biasing ML.

Cogito menggunakan dataset ‘kesetaraan’ yang terdiri dari tubuh besar data audio di mana pembicara melaporkan kategori demografi yang berbeda. Semua model dievaluasi terhadap dataset kesetaraan dan terhadap kategori demografi yang berbeda. Kami juga menggunakan teknik ML Ops untuk memantau model secara objektif dalam produksi dan melakukan audit model secara sistematis dengan anotasi manusia.

Apa pandangan pribadi Anda tentang bagaimana AI tidak hanya harus menggantikan manusia, tetapi juga meningkatkan perilaku manusia?

Ada hal-hal yang dapat dilakukan manusia dan nuansa yang dapat mereka berikan dalam interaksi manusia-ke-manusia yang teknologi seperti AI tidak dapat meniru sendiri. Misalnya, pelanggan ingin menerima empati ketika mereka menghubungi dukungan pelanggan. Jika pelanggan hanya berinteraksi dengan sistem otomatis yang didukung oleh AI, masalah mereka mungkin terpecahkan, tetapi mereka mungkin merasa frustrasi atau kesal dengan interaksi tersebut. Jika kita menggantikan semua agen pusat kontak dengan AI, maka kita menghilangkan elemen manusia yang diperlukan untuk membangun hubungan dan mencapai serta mempertahankan pelanggan yang setia dan langgeng.

Ketika terlibat dalam interaksi layanan, manusia menghargai berbicara dengan seseorang yang dapat memahami diri mereka sendiri, yang telah memiliki pengalaman serupa dengan apa yang mereka alami. Demikian pula, manusia menghargai sensasi seseorang lain yang merawat mereka dan memiliki solusi untuk masalah mereka. Akan membutuhkan waktu lama sebelum AI yang berdiri sendiri benar-benar dianggap sebagai sesuatu yang lain dari alat bantuan diri.

Apakah ada yang lain yang ingin Anda bagikan tentang Cogito?

Di Cogito, kami mengembangkan teknologi baru untuk membawa generasi berikutnya dari pusat kontak. Awal tahun ini, kami merilis Skor Pengalaman Karyawan (EX) kami untuk melacak pengalaman agen. Serupa dengan skor pengalaman pelanggan (CX) kami, Skor EX menggabungkan Emotion AI yang sadar manusia dan Conversation AI, menghasilkan wawasan waktu nyata di seluruh instance tunggal atau tren di seluruh panggilan. Di tengah tingkat ketidakpuasan, kelelahan, dan turnover yang tinggi, Skor EX membantu menjawab pertanyaan tentang bagaimana mencegah kelelahan dan membantu pengalaman agen, yang pada gilirannya mengarah pada pengalaman pelanggan yang lebih baik dan keberlanjutan bisnis jangka panjang.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Cogito.